大模型作文批改系统定制：评分一致性与反馈质量

围绕大模型在作文批改场景的落地难题，教育AI实验室近期完成了评分一致性与反馈质量两个方向的阶段性验证。前期测试发现，直接调用通用大模型打分波动明显：同一篇作文多次评分分差可达6分，评语也易流于空泛。为此，团队提出评分锚点与多维量规相结合的双层约束方法，将教师已批改样卷转化为评分锚点和维度量规，注入批改流程。在1,200篇初中记叙文测试集上，模型评分与教师评分的一致率由61%提升至83%，分差控制在±2分（满分50分）以内的比例达96%。针对反馈空泛问题，引入原文证据定位机制，要求每条评语必须引用原文片段并指出具体修改方向，教师抽检评语可采纳率由54%提升至79%。下一步，实验室将把该方法扩展至议论文与英语写作场景，验证跨文体迁移能力，并开展小规模课堂试用，基于教师修改行为数据持续迭代批改策略。